Query Recommendation using Query Log in Search Engines

1. 背景：

论文作者是Ricardo baeza-Yates，此人是率先研究关键词推荐的人物之一。当时还在 University of Chile 的Web Research 中心，后来去了yahoo研究院，领导在 Barcelona, Spain and Santiago的yahoo研究院。Ricardo baeza的主页：http://www.dcc.uchile.cl/~rbaeza/。

2 论文思想：

这篇论文的思想其实很简单、很基础。用户搜索了一个Query，然后点击结果中的链接，那么就可以构成一个Query到URL的向量。这样就可以计算Query之间的相关性。

3 相似性：

先用term-weight的向量来表示每个Query。

把Query对应的URL的单词作为term。q[i]表示词典中的一个单词，这个q[i]就是向量中的一个维度。这个和BM25算法（Query-Doc相关性计算）中的语素是不一样的，那里是query的分词。

然后直接用cosin函数作为相似性的衡量标准。

4 实验数据：

使用Todocl 搜索引擎15天的log。22190个点击；18527个URL。这里每个Query的点击数量相当少。

聚类方法：k-means

5 评测

实验室的人做review评测。

不同的方法；召回10个结果的准确率都很低，这可能和日志数据比较少有关。

在召回2-5个的时候，准确率差异很大。Support算法最好，有明显的效果。

相关论文：

《The query-flow graph: model and applications》

 Random Walks on the Click Graph